前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇空間說明范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

空間說明范文第1篇

1、生產(chǎn)資料

受能源、化工產(chǎn)品、礦產(chǎn)品等價格上漲影響，生產(chǎn)資料市場價格延續(xù)上漲態(tài)勢。據(jù)商務部監(jiān)測顯示，上周( 5月26日至6月1日），重點監(jiān)測的生產(chǎn)資料市場價格總水平較前一周上漲0.9%。在監(jiān)測的112種主要產(chǎn)品中，價格周環(huán)比上漲的有57種，占50.89%；價格持平的有49種，占43.75%；價格下跌的有6種，占5.36%。

從大類來看，能源、化工產(chǎn)品、黑色金屬、農(nóng)資產(chǎn)品、橡膠產(chǎn)品、建材、輕工原料、礦產(chǎn)品價格有所上漲，有色金屬價格下跌。

從具體品種來看，冶金焦、鑄造焦、褐煤價格漲幅居前，分別較前一周上漲8.5%、3.6%和3.3%；1#鋅、1#鎳、145×2.5mm 熱軋帶鋼價格分別較前一周下跌4.2%、3.3%和1.3%。

2、粗苯、焦化苯、二甲苯

（1）粗笨

近期粗苯價格大漲，多家生產(chǎn)廠家調(diào)高粗苯出廠價格。

目前粗苯的生產(chǎn)量相對于下游的加工能力仍有較大的缺口，供給方面，近期國家環(huán)保檢查力度依舊較大，再加上焦煤供應持續(xù)緊張，焦化企業(yè)限產(chǎn)較為嚴重，粗苯產(chǎn)量下降，供應將日趨緊張。

所以，粗苯價格仍舊繼續(xù)高位徘徊。

（2）焦化苯

在粗苯持續(xù)堅挺并穩(wěn)步小幅攀高的拉動，近期，國內(nèi)焦化苯市場迎來小幅攀高趨勢，市場成交較前期略顯活躍。

（3）二甲苯

6月2、3兩日，多家廠家調(diào)高二甲苯出廠價格。

3、黃磷

受四川地震影響，國內(nèi)黃磷供給偏緊。臨近四川的貴州地區(qū)黃磷價格兩周普漲30~40元/噸，漲幅10％，分析人士認為，我國精細磷化工剛剛進入景氣周期，不會“曇花一現(xiàn)”。

作為我國第四大磷礦石生產(chǎn)基地，四川的產(chǎn)量占全國11％。四川省磷礦在地震中受災嚴重，將對國內(nèi)供給產(chǎn)生重要影響，對磷礦石和黃磷價格有刺激作用。目前云南省黃磷報價1.9萬元/噸，生產(chǎn)成本在1.5~1.6萬元/噸。

二、跌價類

1、食用農(nóng)產(chǎn)品

商務部昨天公布，上周（5月26日至6月1日）我國36個大中城市重點監(jiān)測的食用農(nóng)產(chǎn)品價格總水平較前一周下跌0.7%，連續(xù)八周呈回落態(tài)勢。至此，我國農(nóng)產(chǎn)品價格5月份環(huán)比下降3.2%。

縱觀5月份農(nóng)產(chǎn)品價格，蔬菜、水果為下跌主力，肉類略有下跌，糧食穩(wěn)中略升，這是由于進入春夏時節(jié)，蔬菜水果相繼進入成熟期，供給增加。

2、工業(yè)萘

從五月中旬一次大范圍降價，工業(yè)萘依然在低迷態(tài)勢下延續(xù)，政策性風聲愈加緊張，所有企業(yè)都不敢有較高的產(chǎn)品庫存。下游的一些獨立精萘企業(yè)或受?；愤\輸檢查力度加大等環(huán)保影響，或受資金運作不佳，下游拖欠款項嚴重而減小開工，對工業(yè)萘需求減小。

3、進口關(guān)稅

下半年，嬰幼兒食品、橄欖油、開心果等6類26個稅目的商品進口稅率將有所下調(diào)。6類共26個稅目商品涉及進口食品、植物油、飼料、棉花、血液白蛋白和人用疫苗等。其中，供嬰幼兒食用的零售包裝食品進口稅率由原來的10％下調(diào)為5％，橄欖油、開心果由原先的10％下調(diào)為5％，凍豬肉由12%下調(diào)為6%，凍鱈魚由12%下調(diào)為5%。

4、出口退稅

財政部、國家稅務總局昨日發(fā)出《關(guān)于取消部分植物油出口退稅的通知》稱，經(jīng)國務院批準，從2008年6月13日起取消部分植物油的出口退稅。此次取消出口退稅的商品涉及36個稅號。

空間說明范文第2篇

一、啟發(fā)談話，引入新課二年級時我們學習了《空氣》這一課，誰來說說空氣是什么樣的物體？你知道哪些地方有空氣？

這節(jié)課，我們要在掌握了空氣的上述性質(zhì)的基礎(chǔ)上，學習研究空氣的另一條性質(zhì)，這條性質(zhì)需要通過同學們觀察、實驗自己探索出來。

二、觀察實驗，學習新知師：（出示空文具盒）問：文具盒里有文具嗎？師講述：文具盒里沒有文具，這塊空著的地方叫做空間。

師：將鉛筆放滿文具盒，問：同學們看一看現(xiàn)在誰占據(jù)了文具盒的空間？

師：（出示書包并裝滿文具）同學們再看一樣你們熟悉的東西，問：“書包里有什么？誰占據(jù)著什么？”（找三個學生說，然后給予評價）

師：同學們看老師在干什么？（教師往燒杯里倒?jié)M水）師講述：鉛筆、學習用具、水占據(jù)空間，其實在日常生活中還有很多很多的物體占據(jù)著空間，你能舉幾個例子嗎？（學生說完后，給予鼓勵）

師問：以上的事實說明了什么？（學生回答，教師板書：物體都要占據(jù)空間）

師：（出示一塊板擦，一個砝碼）問：它們所占據(jù)空間的大小一樣嗎？

師講述：所以準確地說應是物體都要占據(jù)一定的空間。這個“一定”指物體的大小，物體占據(jù)空間的大小叫體積。（將上述板書補充完整）師：現(xiàn)在你們自己親手做個實驗，用實驗來驗證：“物體都要占據(jù)一定的空間”這一結(jié)論。請同學們看實驗步驟。

1．實驗步驟：（掛出小黑板）。

（1）把燒杯放在盤子里。

（2）往燒杯里倒?jié)M水。

（3）用手提著拴著砝碼的線。

（4）把砝碼慢慢放入裝滿水的燒杯中。

2．找一名學生大聲朗讀實驗步驟，教師提醒學生，水要倒?jié)M，放砝碼時要慢。

3．要求：帶著問題進行實驗，出示觀察思考題：

（1）實驗中，你看到了什么現(xiàn)象？

（2）你怎么解釋這種現(xiàn)象？

4．匯報實驗結(jié)果。師導引：由上面的觀察實驗，我們知道了固體形態(tài)的砝碼和液體形態(tài)的水都要占據(jù)一定的空間，那么氣體形態(tài)的空氣是不是也要占據(jù)一定的空間呢？現(xiàn)在我們就帶著這個問題做幾個有趣的實驗。

1．掛出小黑板，出示實驗步驟：

實驗一：①把紙團緊緊塞在玻璃杯底部。

②把玻璃杯倒立豎直壓入水槽里。

③把杯子提出水面，用毛巾擦杯口。觀察，你看到了什么現(xiàn)象？

2．找一名學生朗讀實驗步驟。

3．教師進行演示實驗。

4．學生分組實驗。

5．學生匯報實驗結(jié)果：紙團沒濕。下面請同學們再做一個實驗，請看小黑板：

實驗二：

①把紙團緊緊塞在玻璃杯底部。

②把玻璃杯倒立豎直壓入水槽里。

③把杯子慢慢傾斜。學生匯報實驗結(jié)果：把紙團緊緊塞壓玻璃杯底部，把玻璃杯倒立豎直壓入水槽里，然后把杯子慢慢傾斜時，看到有氣泡冒出，紙團濕了。

師：下面請同學們討論小黑板上的問題：

①你怎么解釋這兩種現(xiàn)象？

②實驗說明了什么？學生匯報討論結(jié)果：第一次把玻璃杯倒立豎直壓入水槽里，把杯子提出水面，發(fā)現(xiàn)紙團沒濕，說明水沒有進到杯子里去?？諝庹紦?jù)了玻璃杯的空間。第二次把玻璃杯倒立壓入水槽里，把杯子傾斜時，發(fā)現(xiàn)紙團濕了，還有氣泡從杯子里跑出來，說明水進到杯子里去了，空氣讓出了部分空間。這兩個實驗說明了“空氣占據(jù)空間”。師：通過這個實驗，我們知道了空氣占據(jù)杯子的空間，下面我們再做一個實驗，驗證這個結(jié)論。

實驗三：

①拿一只瓶子。

②瓶口塞緊帶漏斗的塞子。

③把水倒進漏斗里。

學生匯報觀察結(jié)果：發(fā)現(xiàn)水沒進到瓶子里。

師點撥：把塞子塞緊時看到水沒進到瓶子里，下面把塞子松一松，試一試結(jié)果會怎樣呢？同時思考為什么會出現(xiàn)這種現(xiàn)象呢？學生匯報實驗結(jié)果：當把塞子松動后，水流進瓶子里去了。瓶口塞緊時，空氣跑不出來，水流不進去，說明空氣占據(jù)瓶子的空間。瓶塞松動后，空氣跑了出來，讓出了一部分空間，水流進去了，也說明空氣占據(jù)瓶子的空間。

師小結(jié)：我們通過觀察、實驗得出了“空氣占據(jù)空間”這一結(jié)論。

空間說明范文第3篇

關(guān)鍵詞 外商直接投資；區(qū)位演化；空間馬爾可夫鏈

中圖分類號 F222.3 文獻標識碼 A

Abstract Based on the data set of inward foreign direct investment across the provincial regions of China over 1993-2014， this paper attempts to apply Markov chain and geographic information system technology to investigate the spatial and temporal dynamic characteristics of FDI agglomeration in China. Firstly， the FDI shares for different regions in China are classified into four different classes（low， middle-low， middle-high and high），which shows a very uneven FDI distribution pattern based on GIS technology. On the other hand， the estimation of Markov transition probability matrix offers more detailed insights into the mechanics of FDI evolution process in China during the research period. In addition， the evolutionary trends of FDI agglomeration are forecasted by computing the limited power of Markov transition probability matrix. Empirical results indicate that the probability of moving up the FDI ladder is somewhat higher than that of moving down. We can conclude that there is divergence of FDI in China.

Key words Foreign direct investment； Location evolution； Spatial Markov chain

1 引 言

改革開放以來，F(xiàn)DI的流入對中國區(qū)域經(jīng)濟發(fā)展產(chǎn)生了重大的影響，在加快地區(qū)工業(yè)化進程、促進貿(mào)易增長和建設(shè)市場化制度等方面，它都起著不可替代的作用.FDI的流向引導著國內(nèi)資本、勞動力等多種資源的地區(qū)流動，導致各地區(qū)生產(chǎn)要素投入的顯著差異，被認為是影響中國地區(qū)間經(jīng)濟差距的主要因素之一.

FDI的動態(tài)空間演化機制與區(qū)位影響因素有著密切的聯(lián)系，良好的區(qū)位吸引FDI在特定地區(qū)形成聚集，而資本邊際收益遞減與技術(shù)擴散會促使FDI的空間形態(tài)由集中逐漸變?yōu)榉稚?目前，關(guān)于FDI區(qū)位選擇因素的研究比較多.Fung等（2002）研究發(fā)現(xiàn)優(yōu)越的基礎(chǔ)設(shè)施有利于FDI的引進.Li和Park（2006）以及Hong（2007）研究發(fā)現(xiàn)聚集因素是跨國公司區(qū)位選擇的重要因素.因為經(jīng)濟活動的聚集通過勞動力市場的發(fā)展，中間產(chǎn)品的共享以及技術(shù)的溢出可以帶來外部效益.蘇芳和胡日東（2008）利用空間面板數(shù)據(jù)模型研究了中國區(qū)域FDI決定因素的動態(tài)演變過程.何興強和王利霞（2008）基于“第三國效應”理論，運用空間面板計量方法對1985～2005年期間中國30個省市的FDI區(qū)位分布的空間效應進行了檢驗，結(jié)果發(fā)現(xiàn)各個地區(qū)的FDI存在顯著的空間效應.韓劍和張凌（2010）利用空間計量方法分析了中國1987～2007年FDI空間演化的規(guī)律及其影響因素.王麗等（2012）利用空間自相關(guān)和空間自回歸模型研究了1995～2009年中國FDI空間集聚特征及其動因，結(jié)果表明各省份實際利用FDI的過程存在較強的空間自相關(guān)性.Pan（2012）研究了1993～2008中國各省市的FDI區(qū)位決定因素，并發(fā)現(xiàn)中國各省市的FDI具有弱聚集效應.趙偉和向永輝（2012）在馬爾可夫完美均衡的框架下分析了集聚經(jīng)濟和區(qū)位優(yōu)勢對地區(qū)間FDI稅收競爭均衡的影響，并發(fā)現(xiàn)地區(qū)間的FDI稅收競爭是存在的，稅收仍然是影響FDI區(qū)位分布的重要影響因素.目前，關(guān)于FDI的收斂性的研究還比較少見，因此，本文將利用地理信息技術(shù)和空間馬爾可夫鏈方法研究中國各省市的FDI投資的時空區(qū)位演化過程.

3 實證分析

3.1 空間布局分析

為了分析中國各個省的外商直接投資的動態(tài)演化過程，采用1993～2014年中國各個省的FDI數(shù)據(jù)，并計算各個省在當年占全國的比重.數(shù)據(jù)來源于中國統(tǒng)計年鑒和各個省的統(tǒng)計年鑒，數(shù)據(jù)是由中國大陸30個省份的數(shù)據(jù)組成，由于數(shù)據(jù)的缺失，假設(shè)它從1993年至2014年一直處于FDI投資的低水平狀態(tài).圖1 給出了1993年中國各個省的FDI水平的空間布局.

從圖1中可以看出，F(xiàn)DI在中國各個省的分布極度不平衡，大部分集中在東部沿海地區(qū)，而西部地區(qū)的比重很少，且表現(xiàn)出從東到西的階梯狀.1993年FDI主要集中在東部沿海是由于這些地區(qū)有較好的政策支持，又有較好的基礎(chǔ)設(shè)施，并且交通運輸能力好，可以降低運輸成本.圖2給出了2002年中國各個省的FDI水平的空間布局.

與圖1進行比較，從圖2可以發(fā)現(xiàn)東部和西部的變化都比較小，東部除了海南的FDI投資水平下降外其他各省的FDI投資水平基本不變；西部除了四川，重慶和云南的FDI投資水平下降外其他各省的FDI投資水平基本不變；中部各省的變化比較大，江西的FDI投資水平上升，陜西FDI投資水平下降了.由此可以看出這個階段中國的FDI投資的空間布局還處于調(diào)整和優(yōu)化的階段.圖3給出了2014年中國各個省的FDI水平的空間布局.

從圖3可以看出，東部地區(qū)的福建的FDI投資水平下降了，而中部的河南和安徽，西部的四川和重慶的FDI投資水平上升.由此可見，F(xiàn)DI已逐步由東部地區(qū)向中西部地區(qū)轉(zhuǎn)移.FDI的這種轉(zhuǎn)移主要是由于中部具有豐富的礦產(chǎn)資源以及充足而又廉價的勞動力，使得FDI由東部地區(qū)向中西部地區(qū)轉(zhuǎn)移.

3.2 時間轉(zhuǎn)移特征分析

為揭示中國各個省的FDI時空布局演化過程，假設(shè)初始分布為均勻分布，利用1993～2014年中國各個省的FDI水平，根據(jù)公式（2），計算中國各個省的FDI水平在整個研究期間馬爾可夫狀態(tài)轉(zhuǎn)移概率矩陣.為了更進一步說明FDI時空演化的階段性特征，把整個研究時段1993～2014年分成兩個子時段，第一時段為1993～2002年，第二個時段為2003～2014年.表1給出了1993～2014年以及子時段的中國省域FDI時空演化狀態(tài)轉(zhuǎn)移概率矩陣.

由表1知，主對角線上的元素值相對較高，這表明一個在初期FDI水平為i狀態(tài)的區(qū)域，在隨后年份仍屬于此狀態(tài)的可能性較高.在馬爾可夫狀態(tài)轉(zhuǎn)移概率矩陣中，對角線上的元素的最大值是94.675%，最小值也是86.551%，也就是說，中國各個省的FDI 水平在不同年份之間變化并不大.另外，比較第一個時段的狀態(tài)轉(zhuǎn)移概率矩陣和第二個時段的狀態(tài)轉(zhuǎn)移概率矩陣時，發(fā)現(xiàn)當處在低和中低水平狀態(tài)時，第二階段主對角線上的元素小于第一階段主對角線上的元素，當處在中高和高水平狀態(tài)時，第二階段主對角線上的元素大于第一階段主對角線上的元素，就說明在1993年～2002年期間處在中高和高狀態(tài)的省市狀態(tài)轉(zhuǎn)移概率相對比較大，這個時期是中高和高水平狀態(tài)的關(guān)鍵調(diào)整期，在2003～2014年期間處在低和中低狀態(tài)的省市狀態(tài)轉(zhuǎn)移概率相對比較大，這個時期是低和中低水平狀態(tài)的關(guān)鍵調(diào)整期.這也說明1993～2002年期間是FDI空間布局的調(diào)整主要表現(xiàn)在數(shù)量上，而到了2003-2014年FDI空間布局的調(diào)整主要表現(xiàn)在質(zhì)量的提高.

其次，不同省份FDI在不同年份之間的狀態(tài)轉(zhuǎn)移概率比較小，且越偏離主對角線，轉(zhuǎn)移概率越低.在1993～2014年間，不同狀態(tài)之間最大的轉(zhuǎn)移概率發(fā)生在中低水平向中高水平方向的轉(zhuǎn)移上，為9.356%，其次為中高向高水平方向的轉(zhuǎn)移上，為7.017%，同時可發(fā)現(xiàn)當處在中低和中高水平時，向上轉(zhuǎn)移的概率大于向下轉(zhuǎn)移的概率，且沒有跨越兩個層次轉(zhuǎn)移的情況.這表明，在研究時段內(nèi)中國省域FDI整體投資水平不斷提高.

最后，根據(jù)式（3）計算了馬爾可夫鏈的極限分布，表1還給出了1993～2014年，1993～2002年以及2003～2014年的極限分布.進一步，比較極限分布和初始分布來分析中國各個省FDI的收斂性.在整個研究時段1993～2014年期間，處在低和中低水平狀態(tài)的極限分布小于初始分布，而處在中高和高水平狀態(tài)的極限分布大于初始分布，這說明中國各省市FDI水平是發(fā)散的，且具有一定的長期聚集趨勢.但從第一個時段1993～2002年期間來看，處在低和中低水平狀態(tài)的極限分布大于初始分布，而處在中高和高水平狀態(tài)的極限分布小于初始分布，這還是說明中國各省市FDI水平是發(fā)散的，且長期聚集趨勢不明顯.再從第二個時段2003～2014年期間來看，處在低和中低水平狀態(tài)的極限分布明顯小于初始分布，而處在中高和高水平狀態(tài)的極限分布明顯大于初始分布，這還是說明中國各省市FDI水平是發(fā)散的，且具有長期明顯的聚集趨勢.總之，整個研究時間段內(nèi)中國各省市FDI 投資水平的提高正在穩(wěn)步推進，但這種FDI時空演化過程發(fā)散的，并從長期來看具有明顯的聚集趨勢.

為了描述中國各省的FDI時空流動性，根據(jù)馬爾可夫狀態(tài)轉(zhuǎn)移概率矩陣可以構(gòu)建流動性指標（Shorrocks’ Index）

其中N=4，tr（P）表示狀態(tài)轉(zhuǎn)移概率矩陣P的跡. 當P是單位陣時，SI值等于0，但當P對角線上的元素全為零時，SI值等于1.SI值越大，說明流動性越強.根據(jù)表1中給出的馬爾可夫狀態(tài)轉(zhuǎn)移概率矩陣，計算整個研究時段1993～2014年的流動性指標SI=0.094，說明具有一定的流動性，但流動性不強.比較第一時段1993～2002年的流動性指標SI=0.104和第二時段2003～2014年的流動性指標SI= 0.089，發(fā)現(xiàn)第一個階段的流動性大于第二個階段的流動性.

為了進一步檢驗前面得出結(jié)論的可靠性，對該馬爾可夫模型的時間齊次性進行檢驗，根據(jù)（4）式，根據(jù)表1中給出的狀態(tài)轉(zhuǎn)移概率矩陣，Q=2，計算得到的似然比檢驗統(tǒng)計量為Tγ=19.356，且統(tǒng)計量的臨界值為χ20.9912=26.217.由此可以得出結(jié)論，在顯著性水平為1%時接受原假設(shè)，說明假設(shè)中國各個省市的FDI具有馬爾可夫時間齊次性，也進一步驗證了前面得出結(jié)論的合理性.

4 結(jié) 論

以1993～2014年期間中國大陸31個省份FDI空間分布格局演化為研究對象，通過采用地理信息技術(shù)模擬發(fā)現(xiàn)，中國各省市的FDI分布極度不平衡，大部分集中在東部沿海地區(qū)，而西部地區(qū)的比重很少，且表現(xiàn)出從東部地區(qū)向中西部地區(qū)轉(zhuǎn)移的趨勢.進一步，構(gòu)建空間馬爾可夫模型，并分析了中國各省市的FDI 時空演化過程，結(jié)果發(fā)現(xiàn)當處在中低和中高水平時，向上轉(zhuǎn)移的概率大于向下轉(zhuǎn)移的概率，且沒有跨越兩個層次轉(zhuǎn)移的情況.這表明，在研究時段內(nèi)中國省域FDI整體投資水平不斷提高.總之，整個研究時間段內(nèi)中國各省市FDI 投資水平的提高正在穩(wěn)步推進，但這種FDI時空演化過程發(fā)散的，并從長期來看具有明顯的聚集趨勢.由此說明影響FDI區(qū)位選擇的因素在不斷變化，市場規(guī)模、基礎(chǔ)設(shè)施水平等傳統(tǒng)經(jīng)濟因素的影響仍然顯著，但作用在逐漸下降，而市場化程度與聚集效應的影響正不斷增強.另外傳統(tǒng)政策優(yōu)勢的影響也逐漸退居次要地位，這說明FDI已經(jīng)進入一個新的階段.本文的研究結(jié)果對于從全國層面制定適宜的外資政策，實現(xiàn)外資空間布局的優(yōu)化，推進區(qū)域一體化進程具有指導意義.

參考文獻

[1] K C Fung， H Iizaka， S Parker. Determinants of US and Japanese foreign direct investment in China[J]. Journal of Comparative Economics， 2002， 30（3）：567-578.

[2] Li S， Park S. Determinants of locations of foreign direct investment in China[J]. Management and Organization Review， 2006， 2（1）：95-119.

[3] Hong J， Anthony T H. Chen. Modeling the location choices of foreign investments in Chinese Logistics Industry[J]. China Economic Review， 2007， 18（4）：425-437.

[4] Pan M. FDI agglomeration change in China[J]. Journal of Chinese Economic and Foreign Trade Studies， 2012， 5（3）： 172-184.

[5] 何興強，王利霞. 中國FDI區(qū)位分布的空間效應研究[J]. 經(jīng)濟研究，2008（11）：137-150.

[6] 王麗，曹有揮，袁豐. 中國FDI區(qū)位選擇的時空格局演進及影響因素分析[J].長江流域資源與環(huán)境，2012，21（1）：8-21.

[7] 蘇芳，胡日東. 中國FDI區(qū)域分布決定因素的動態(tài)演變與地理溢出程度―基于空間面板數(shù)據(jù)的實證研究[J]. 經(jīng)濟地理，2008，28（1）：16-20.

[8] 蔣偉. 中國外商直接投資區(qū)位決定：基于“第三方效應”的空間計量分析[J]. 世界經(jīng)濟研究，2012（1）：75-80.

[9] 趙偉，向永輝. 區(qū)位優(yōu)勢、集聚經(jīng)濟和中國地區(qū)間FDI競爭[J]. 浙江大學學報（人文社會科學版）.2012，42（6）：111-125.

空間說明范文第4篇

關(guān)鍵詞：山地，城鎮(zhèn)體系，空間結(jié)構(gòu)，分形，臨滄市

中圖分類號：k928.5文獻標識碼：A

1引言

城鎮(zhèn)作為一個節(jié)點，在城鎮(zhèn)體系中并不是孤立存在的，各城鎮(zhèn)之間進行著物質(zhì)、能量、信息等各方面的聯(lián)系，存在著空間相互作用。這種作用的緊密與否對整個城鎮(zhèn)體系的發(fā)展具有一定的推動或滯后效應，所以對一個地區(qū)城鎮(zhèn)體系的空間結(jié)構(gòu)進行研究是很有必要的。在地域空間結(jié)構(gòu)的研究中，最具有代表性的是克里斯塔勒的中心地理論，它系統(tǒng)闡明了中心地的數(shù)量、規(guī)模和分布模式，但這一理論的創(chuàng)建是建立在杜能和韋伯的工業(yè)區(qū)位論基礎(chǔ)之上，假設(shè)的地域是個均質(zhì)體，不具有普遍適用性，處于一個定性的研究階段。自20世紀70年代中期美國科學家曼德爾布羅特創(chuàng)立分形理論以來，很多非線性環(huán)境中的一些隨機分布現(xiàn)象和問題得到解決。我國于20世紀90年代引入分形理論，對城鎮(zhèn)體系的空間結(jié)構(gòu)進行定性與定量相結(jié)合的研究方法。目前國內(nèi)用分形理論對城鎮(zhèn)體系空間結(jié)構(gòu)進行研究的方法較多，主要有聚集維數(shù)(半徑維數(shù))、網(wǎng)格維數(shù)和空間關(guān)聯(lián)維數(shù)等。但這些方法多用于平原地區(qū)的研究，有關(guān)山地城鎮(zhèn)體系空間結(jié)構(gòu)分形特征的實證研究還相對較少?；诖耍疚膶Φ湫蜕降爻鞘信R滄市的城鎮(zhèn)體系進行空間結(jié)構(gòu)的實證研究，選取分形理論中的空間關(guān)聯(lián)維數(shù)、半徑維數(shù)，分別對臨滄市城鎮(zhèn)體系空間分布的相關(guān)性和集聚性進行分析，總結(jié)出其空間分形特征，并提出相應優(yōu)化措施。

2研究區(qū)域和研究方法

2.1研究區(qū)域概況

臨滄市為滇西南重要門戶，自古即是西南絲綢之路通緬、印支道。全市地處橫斷山脈縱谷區(qū)，因瀕臨瀾滄江而得名。境內(nèi)山高谷深，與外界交通聯(lián)系不便，地形總趨勢由東北向西南傾斜，呈中部高四周低。境內(nèi)山地占總面積的98%，其間鑲嵌著大小不一、形態(tài)各異的盆地(俗稱壩子)，盆地多為低盆。此外，這里長期以來為少數(shù)民族聚居，以佤族為代表的23種少數(shù)民族人口占總?cè)丝诘?8.6%。境內(nèi)北回歸線橫貫南部，氣候四季如春，有亞洲恒溫城之美稱，年平均氣溫17.2℃。自2003年底國務院批準撤銷臨滄地區(qū)設(shè)立地級臨滄市以來，臨滄市設(shè)有1個縣級區(qū)、4個縣、3個民族自治縣，共有33個小城鎮(zhèn)。其中臨翔區(qū)有鳳翔街道辦事處、博尚鎮(zhèn)2個鎮(zhèn)，鳳慶縣包括鳳山鎮(zhèn)、魯史鎮(zhèn)、勐佑鎮(zhèn)、小灣鎮(zhèn)、洛黨鎮(zhèn)、三岔河鎮(zhèn)、營盤鎮(zhèn)和雪山鎮(zhèn)8個鎮(zhèn)，云縣包括愛華鎮(zhèn)、茂蘭鎮(zhèn)、漫灣鎮(zhèn)、涌寶鎮(zhèn)、幸福鎮(zhèn)、大寨鎮(zhèn)、大朝山西鎮(zhèn)7個鎮(zhèn)，永德縣包括德黨鎮(zhèn)、小勐統(tǒng)鎮(zhèn)、永康鎮(zhèn)3個鎮(zhèn)，鎮(zhèn)康縣包括南傘鎮(zhèn)、勐捧鎮(zhèn)、鳳尾鎮(zhèn)3個鎮(zhèn)，雙江拉祜族佤族布朗族傣族自治縣包括勐勐鎮(zhèn)、勐庫鎮(zhèn)2個鎮(zhèn)，耿馬傣族佤族自治縣包括耿馬鎮(zhèn)、勐永鎮(zhèn)、勐撒鎮(zhèn)、勐定鎮(zhèn)4個鎮(zhèn)，滄源佤族自治縣包括勐董鎮(zhèn)、芒卡鎮(zhèn)、勐省鎮(zhèn)、巖帥鎮(zhèn)4個鎮(zhèn)。有60.6%的城鎮(zhèn)沿著公路線分布，還有部分城鎮(zhèn)沿著勐佑河和南定河分布。

圖1臨滄市城鎮(zhèn)分布圖

Fig.1 Urban distribution of Lincang

2.2研究方法

分形是大自然的優(yōu)化結(jié)構(gòu)，分形體能夠最有效地占據(jù)空間。所謂分形是指其組成部分以某種方式與整體相似的幾何形態(tài)，或者是指在很寬的尺度范圍內(nèi)，無特征尺度卻有自相似性和自仿射性的一種現(xiàn)象。分形的基本特征是分形體具有自相似性和無標度性，描述分形的主要特征參數(shù)是分維，又可稱為分維數(shù)[1]。其中，很多學者運用分形理論對城鎮(zhèn)體系的空間結(jié)構(gòu)進行研究。下面詳細介紹本文需要運用的兩個城鎮(zhèn)體系空間結(jié)構(gòu)分形模型：空間關(guān)聯(lián)維數(shù)模型和半徑維數(shù)模型。

2.2.1空間關(guān)聯(lián)維數(shù)模型

城鎮(zhèn)體系的空間關(guān)聯(lián)函數(shù)為C(r) =(i≠j) (3)，式中r為標度，dij為i、j兩城鎮(zhèn)的歐氏距離即烏鴉距離，θ為Heaviside函數(shù)[2]，具有性質(zhì) (4)。根據(jù)城鎮(zhèn)體系空間分布標度不變性的分形特征有: C(r)∝rD(5)，式中：C (r)為關(guān)聯(lián)函數(shù)，D為關(guān)聯(lián)維數(shù)，其地理意義反映了城鎮(zhèn)之間空間相互作用的規(guī)律性。D的取值范圍一般介于0-2之間，其值越小，說明該區(qū)域城鎮(zhèn)體系空間分布的集中度越高，空間聯(lián)系越緊密，空間相互作用也越強;反之，其值越大，則該區(qū)域城鎮(zhèn)體系空間分布越分散，空間相互作用也就越弱?？臻g關(guān)聯(lián)維數(shù)的獨特用途在于可以反映城鎮(zhèn)體系各要素之間交通網(wǎng)絡的通達性，從而指示城市之間的關(guān)聯(lián)性。在式(3)中，將dij改為實際交通里程即乳牛距離(cow distance)，利用式(5)可得交通網(wǎng)絡的關(guān)聯(lián)維數(shù)D′，從而可定義牛鴉維數(shù)比為ρ=D′/D(6)，ρ越接近于1，表明城市之間交通網(wǎng)絡通達性越好，從而城鎮(zhèn)體系各要素關(guān)聯(lián)度越高[3]。

2.2.2半徑維數(shù)模型

假定城鎮(zhèn)體系各要素按照某種自相似規(guī)則圍繞中心城市(一般是等級體系中的首位城市)呈凝聚態(tài)分布，且城鎮(zhèn)體系的分形體是各向均勻變化的，借助幾何測度關(guān)系確定半徑為r的圓周內(nèi)的城鎮(zhèn)數(shù)目N(r)與相應半徑的關(guān)系，即有N(r)∝ (7)，類比于Hausdorff維數(shù)公式可知，式中Df為分維。由于半徑r的單位取值影響分維的數(shù)值，可將其轉(zhuǎn)化為平均半徑[4]，定義平均半徑為RS〈( )1/2〉(8)，則一般有分維關(guān)系RS∝S1/D(9)。其中，式(8)是平均半徑公式，式(9)是分維計算公式，RS為平均半徑，ri為第i個城鎮(zhèn)到中心城市的歐氏距離(稱重心距)，S為城鎮(zhèn)個數(shù)，〈…〉表示平均，D為分維。

一般取歐式維數(shù)為2，如果D>2，則城鎮(zhèn)體系要素的空間分布從中心向四周呈密度遞增，城鎮(zhèn)體系空間分布呈漏斗離散態(tài)分布，這是一種非正常的情況，且D值越大其城市空間分布的離散程度越大;如果D=2，城鎮(zhèn)體系的要素分布在半徑方向上是均勻變化的，城鎮(zhèn)體系空間分布呈均勻分布;如果D

3臨滄市城鎮(zhèn)體系空間結(jié)構(gòu)分形研究

3.1城鎮(zhèn)體系空間分布相關(guān)性分析

利用Mapinfo軟件對2008年臨滄市行政圖進行數(shù)字化，量算出33個城鎮(zhèn)之間的直線距離，構(gòu)建各城鎮(zhèn)間烏鴉距離的33×33半角矩陣(表1)。取步長Δr=10km為標度r，則在r內(nèi)的城鎮(zhèn)之間的距離點數(shù)C(r)隨r的變化而變化，這樣就可以得到一系列點對(r，C(r))(表2)。以lnr為橫坐標，lnC(r)為縱坐標做出散點圖(圖2)。由于計算空間關(guān)聯(lián)維數(shù)必須考慮無標度區(qū)的范圍，根據(jù)散點圖，無標度區(qū)的范圍從序號7起，到序號20結(jié)束，無標度區(qū)對應的尺度范圍是10-140km，在此尺度范圍內(nèi)市域城鎮(zhèn)體系存在自相似性。關(guān)聯(lián)維數(shù)D=1.3376，測定系數(shù)R2=0.9942。相關(guān)系數(shù)接近于1，相關(guān)性很好，說明臨滄市城鎮(zhèn)體系空間分布具有分形特征。根據(jù)上文關(guān)聯(lián)維數(shù)一般介于0-2之間，而臨滄市城鎮(zhèn)體系的空間關(guān)聯(lián)維數(shù)為1.3376，D值較大，從而說明臨滄市城鎮(zhèn)體系空間分布比較分散， 空間聯(lián)系不是很緊密，空間相互作用較弱。

表1臨滄市城鎮(zhèn)烏鴉距離陣/km

表2標度r及其對應的關(guān)聯(lián)函數(shù)C(r) /km

圖2臨滄市城鎮(zhèn)體系空間相關(guān)性的雙對數(shù)坐標圖

Fig.2 The ln-ln plot on the urban system spatial pertinence in Lincang

用同樣的方法，當dij改用基于公路的乳牛距離時，計算出在一定的標度范圍內(nèi)公路交通網(wǎng)絡的分維數(shù)D′=1.2242，測定系數(shù)R2=0.9919，進一步可以算出牛鴉維數(shù)比ρ=D′/D=0.9152。牛鴉維數(shù)比是來衡量區(qū)域城鎮(zhèn)體系內(nèi)交流狀況的，ρ接近于1，說明在無標度區(qū)內(nèi)，臨滄市主要城鎮(zhèn)之間交通網(wǎng)絡通達性很好，從而城鎮(zhèn)體系各要素關(guān)聯(lián)度較高。

3.2城鎮(zhèn)體系空間分布集聚性分析

在2008年臨滄市行政圖中，以臨滄市政府所在地鳳翔鎮(zhèn)為中心測算區(qū)域城鎮(zhèn)體系的聚集維數(shù)(表3)，具體通過雙對數(shù)散點圖進行線性擬合，確定分維數(shù)(圖3)。

表3臨滄市城鎮(zhèn)分布的重心距和平均半徑/km

圖3臨滄市城鎮(zhèn)體系隨機集聚分布的雙對數(shù)坐標圖

Fig.3 The ln-ln plot on the urban system random centralization in Lincang

計算得到，分維D=1.6375，測定系數(shù)R2=0.9961。關(guān)聯(lián)系數(shù)為0.9961，說明空間關(guān)聯(lián)性非常好，其空間分布具有分形特征。而D=1.6375

4結(jié)論：

通過以上的研究，表明臨滄市城鎮(zhèn)體系在空間結(jié)構(gòu)上具有比較明顯的分形特征，表現(xiàn)出自相似結(jié)構(gòu)。

臨滄市城鎮(zhèn)體系空間分布的相關(guān)性方面：如果不考慮實際的距離，根據(jù)各城鎮(zhèn)的直線距離進行分維測算，得出臨滄市城鎮(zhèn)體系空間分布比較分散，空間相互作用較弱，空間聯(lián)系不是很緊密；而當考慮實際的交通距離時，測算結(jié)果表明臨滄市主要城鎮(zhèn)之間交通網(wǎng)絡通達性很好，各城鎮(zhèn)間的交流很方便。這些都是在一定的標度范圍內(nèi)得出的結(jié)論，屬于局部分形，但標度范圍相對較大，還是說明了臨滄市主要城鎮(zhèn)之間的各元素交流很緊密。就整體而言，由于臨滄市絕大部分都是山地，各城鎮(zhèn)間，特別是距鳳翔鎮(zhèn)偏遠的山地小城鎮(zhèn)，其交流受地形的限制很大，城鎮(zhèn)體系空間分布的主要影響因素是自然條件，城鎮(zhèn)分布很分散。從圖1中可以看出有三分之一的城鎮(zhèn)沿著國道和省道分布，有縣鄉(xiāng)道將個別城鎮(zhèn)相連，這是受市場因素的影響，但交通受山地阻隔，交通網(wǎng)絡通達性還有待進一步的提高?？傊R滄市城鎮(zhèn)體系空間分布呈現(xiàn)出局部集中，整體分散的特點。

臨滄市城鎮(zhèn)體系的空間集聚分布是以臨滄市政府所在地鳳翔鎮(zhèn)為中心向四周密度遞減，呈集聚態(tài)分布，距中心越遠的邊緣地區(qū)與中心地的聯(lián)系越不緊密，城鎮(zhèn)體系空間分布不均衡。

這說明分形理論適合山地城鎮(zhèn)體系空間結(jié)構(gòu)的分析研究，對山地小城鎮(zhèn)的規(guī)劃具有一定的實踐價值。因此，在臨滄市城鎮(zhèn)體系規(guī)劃中，可以運用分形思想調(diào)整和優(yōu)化城鎮(zhèn)體系的空間結(jié)構(gòu)。另外，臨滄市城鎮(zhèn)體系的空間分布受自然因素的影響較大，還處于初級分布和發(fā)展階段，在城鎮(zhèn)發(fā)展中應該充分重視由于地形因素帶來的交通不便問題，加快以交通為主的基礎(chǔ)設(shè)施建設(shè)，改善城鎮(zhèn)之間的通達條件，增強城鎮(zhèn)之間的空間相互作用強度。以上的結(jié)論充分說明了交通條件對城鎮(zhèn)體系發(fā)展的重要性，對于臨滄市整個交通網(wǎng)絡分形的具體情況還有待進一步的研究。

參考文獻：

[1]張濟忠.分形[M].北京:清華大學出版社，1995：1-15.

[2]徐建華.現(xiàn)代地理學中的數(shù)學方法[M].北京:高等教育出版社(第二版)，2002:405-1408.

[3]劉繼生，陳彥光.城鎮(zhèn)體系空間結(jié)構(gòu)的分形維數(shù)及其測算方法[J].地理研究，1999，18(1):171-172.

[4]陳濤(陳彥光).城鎮(zhèn)體系隨機聚集的分形研究[J].科技通報，1995，11(2):98-101.

[5]劉耀彬，陳志，楊益明.湖北省城市體系空間結(jié)構(gòu)發(fā)展研究[J].華中科技大學學報(城市科學版)，2003，23(3):53-159.

空間說明范文第5篇

公路運輸周轉(zhuǎn)量及其影響因素在地理空間上存在空間依賴性和溢出效應，即公路運輸周轉(zhuǎn)量會受到周邊地區(qū)的影響.本文采用空間統(tǒng)計分析Moran指數(shù)法檢驗公路運輸周轉(zhuǎn)量與空間依賴性間的關(guān)系.

1.1全域空間相關(guān)性檢驗空間統(tǒng)計學一般使用空間統(tǒng)計量——空間自相關(guān)指數(shù)Moran’sI檢驗區(qū)域經(jīng)濟變量的空間依賴性，即全域空間相關(guān)性.全域Moran’sI指數(shù)[10]定義。為了檢驗省域公路運輸周轉(zhuǎn)量是否存在空間自相關(guān)及集群現(xiàn)象，本文利用GeoDA方法計算了1981–2012年31個省公路周轉(zhuǎn)量的Moran’sI指數(shù).計算結(jié)果如圖1所示.全域Moran’sI的取值范圍介于-1~1之間，若數(shù)值大于0，說明空間存在正自相關(guān)，數(shù)值越大說明空間的正自相關(guān)性越強；若其數(shù)值小于0，說明具有空間鄰接關(guān)系的單元之間不具有相似的屬性，數(shù)值越小說明各空間單元的差異性越大；若數(shù)值為零，說明不具有空間相關(guān)性，各單元之間服從隨機分布.從圖1可以發(fā)現(xiàn)，中國31個省、直轄市和自治區(qū)的公路運輸周轉(zhuǎn)量在空間分布上具有正自相關(guān)關(guān)系，即空間依賴性，這表明各省域的公路運輸周轉(zhuǎn)量是存在相關(guān)性的.而且，從1981年開始，我國公路運輸周轉(zhuǎn)量的空間相關(guān)性雖然有所波動，但整體呈上升趨勢，表明在我國道路交通運輸系統(tǒng)發(fā)展的同時，各省間的聯(lián)系越來越緊密，地區(qū)間公路運輸周轉(zhuǎn)量的空間依賴程度越來越高.因此，在進行省域公路運輸周轉(zhuǎn)量分析時，空間影響因素不可或缺.

1.2局域空間相關(guān)性檢驗局域空間相關(guān)性又稱為空間關(guān)聯(lián)局域指標（LISA)，局域Moran’sI指數(shù)。采用局域空間相關(guān)性分析方法(LISA)對省域公路運輸周轉(zhuǎn)量的空間格局和集群現(xiàn)象進行更深入的分析，以彌補全域空間相關(guān)性分析方法的不足，其結(jié)果如圖2所示.“本地高，周邊高”型地區(qū)本身具有較大的公路運輸周轉(zhuǎn)量，且附近的地區(qū)也具有較大的運輸周轉(zhuǎn)量；“本地低，周邊低”型地區(qū)本身的運輸周轉(zhuǎn)量較小，其周圍的地區(qū)運輸周轉(zhuǎn)量也較小，同樣，有“本地低，周邊高”型地區(qū)和“本地高，周邊低”型地區(qū)“.本地高，周邊高”和“本地低，周邊低”型地區(qū)表示正的空間自相關(guān)并且存在相近運輸周轉(zhuǎn)量的空間聚集，而位于“本地低，周邊高”和“本地高，周邊低”型地區(qū)則與鄰近地區(qū)呈負相關(guān).如圖2所示，“本地高，周邊高”型地區(qū)為高空間集群效應地區(qū)，包括，遼寧、江蘇、上海、浙江和江西5省、直轄市；“本地低，周邊低”型地區(qū)為低空間集群效應地區(qū)，包括，新疆、甘肅、青海和四川4省、自治區(qū)；“本地低，周邊高”區(qū)域為具有負空間集群效應的地區(qū)（即本地區(qū)公路運輸周轉(zhuǎn)量低，而周邊地區(qū)高），包括安徽和天津2省.其他地區(qū)不具有明顯的局域空間相關(guān)性.通過對比不同省域公路運輸周轉(zhuǎn)量局域空間關(guān)系可以發(fā)現(xiàn)，在不同的經(jīng)濟情況、產(chǎn)業(yè)結(jié)構(gòu)、地理條件下，各省的運輸結(jié)構(gòu)各不相同，對周邊地區(qū)的影響力也存在較大差異.因此，在制定公路運輸業(yè)的節(jié)能減排措施時，應選擇“本地高，周邊高”和“本地低，周邊低”型地區(qū)，其可以在降低自身公路運輸周轉(zhuǎn)量的同時，帶動周邊地區(qū)的公路運輸?shù)南陆担赃_到最優(yōu)的節(jié)能減排效果.

2公路運輸周轉(zhuǎn)量空間計量模型

2.1空間計量模型依據(jù)空間面板模型的相關(guān)理論，空間常系數(shù)回歸模型包括空間滯后模型（SLM）和空間誤差模型（SEM）兩種，以及空間變系數(shù)回歸模型——地理加權(quán)回歸模型(GWR)[12]，本文將運用空間常系數(shù)回歸模型進行全域范圍的研究，分析省域公路運輸周轉(zhuǎn)量的空間效應和影響因素.空間滯后模型[13]可以檢驗各變量在某地的擴散效應(或溢出效應)。

2.2公路運輸周轉(zhuǎn)量空間計量模型構(gòu)建影響省域公路運輸周轉(zhuǎn)量的主要因素包括經(jīng)濟水平、產(chǎn)業(yè)結(jié)構(gòu)和人口數(shù)量等因素.本文在構(gòu)建空間滯后模型和空間誤差模型時，選取分產(chǎn)業(yè)GDP(第一產(chǎn)業(yè)FGDP、第二產(chǎn)業(yè)SGDP、第三產(chǎn)業(yè)TGDP)、省域人口總數(shù)(People)等指標做解釋變量來分別反映經(jīng)濟水平、產(chǎn)業(yè)結(jié)構(gòu)和人口數(shù)量.本文選用各省、直轄市、自治區(qū)的空間距離作為空間權(quán)重，通過模型的比較分析，揭示省域公路運輸周轉(zhuǎn)量的空間效應及其影響方式.該模型表示某一省域公路運輸周轉(zhuǎn)量與其相近地區(qū)（具有空間相關(guān)性的地區(qū)）公路運輸周轉(zhuǎn)量、本省經(jīng)濟水平、產(chǎn)業(yè)結(jié)構(gòu)和人口數(shù)量的關(guān)系.式（9）與式（8）的區(qū)別在于，式（9）的空間影響體現(xiàn)在空間滯后誤差項中，沒有直接以TOVi的形式出現(xiàn).

3實例分析

3.1公路運輸周轉(zhuǎn)量空間計量模型數(shù)據(jù)分析根據(jù)2012年的統(tǒng)計數(shù)據(jù)，對上節(jié)中的公路運輸周轉(zhuǎn)量空間計量模型（空間滯后模型、空間誤差模型）和一種傳統(tǒng)的回歸模型（即不考慮其空間相關(guān)性）求解，其結(jié)果如表1所示.從表1可以看出，三種模型下的擬合優(yōu)度都高于0.8，空間滯后模型的擬合效果最好.空間滯后模型擬合結(jié)果顯示，空間自回歸系數(shù)為0.5578，說明公路運輸周轉(zhuǎn)量具有較強的空間依賴性，空間臨近效應非常明顯.因此，僅僅采用傳統(tǒng)的計量經(jīng)濟模型進行分析將會得到有偏差的結(jié)果.從空間誤差模型結(jié)果看，空間誤差自相關(guān)系數(shù)為0.597，說明各省間存在的不可觀測數(shù)據(jù)也對公路的客貨周轉(zhuǎn)量產(chǎn)生正向作用.另外，第一、第二產(chǎn)業(yè)對公路運輸周轉(zhuǎn)量的貢獻都大于第三產(chǎn)業(yè)，政府加大力度優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，增加服務業(yè)的比重，有利于降低公路運輸周轉(zhuǎn)量，進而降低交通運輸業(yè)的能源消耗，達到節(jié)能減排的目的.

3.2情景分析我國在實施公路運輸?shù)墓?jié)能減排措施時，應該對各個省份采用不同的策略與尺度，因此，本文以空間臨近效應高的地區(qū)為案例，分析這些地區(qū)公路運輸周轉(zhuǎn)量下降對周邊區(qū)域的影響，進而分析其對全國節(jié)能減排的貢獻.由于遼寧、上海、江蘇、浙江及江西具有高空間集群效應，這些城市公路周轉(zhuǎn)量的下降會帶動其周邊地區(qū)減少公路運輸，進而可以促進全國范圍內(nèi)公路運輸量的下降.因此，本文著重分析這些地區(qū)減少公路運輸對全國節(jié)能減排的影響情況.考慮到遼寧、上海、江蘇及浙江是沿海地區(qū)，這些城市可以通過大力發(fā)展水路運輸減少公路運輸周轉(zhuǎn)量；江西是內(nèi)陸城市，可以通過鐵路運輸降低公路運輸分擔率.假設(shè)2014年GDP增長率為8%，國內(nèi)具有良好的節(jié)能減排實施環(huán)境，當高空間集群效應的地區(qū)公路運輸周轉(zhuǎn)量降低不同幅度（假設(shè)三種情景：下降25%、15%、5%）[14]時，應用空間滯后模型計算各種情景下全國的節(jié)能減排效果.具體情況如表2所示。從表2可以看出，三種情景下，遼寧、江蘇、上海、浙江和江西五個地區(qū)公路運輸周轉(zhuǎn)量的減少均帶動其空間鄰接區(qū)域公路運輸周轉(zhuǎn)量不同程度的降低，分別降低6.6%、3.2%和1.4%.由于這只是減少5個地區(qū)的公路運輸周轉(zhuǎn)量對全國節(jié)能減排的影響，因此，其降低比例要低于這5個地區(qū)的情況，但這只是部分地區(qū)對全國的間接影響，如果進一步擴大減排的省域?qū)⒖赡艹尸F(xiàn)相互影響、梯次下降的局面，進而實現(xiàn)我國預計的節(jié)能減排目標.

4研究結(jié)論